آمار
| تعداد نشریات | 30 |
| تعداد شماره‌ها | 956 |
| تعداد مقالات | 8,321 |
| تعداد مشاهده مقاله | 8,744,743 |
| تعداد دریافت فایل اصل مقاله | 6,915,942 |
برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای 120 درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN | ||
| علوم و مهندسی آبیاری | ||
| مقاله 7، دوره 43، شماره 1، فروردین 1399، صفحه 89-100 اصل مقاله (1.86 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22055/jise.2018.24375.1723 | ||
| نویسندگان | ||
| یاسر مهری1؛ نادر عباسی* 2 | ||
| 1دانش آموخته کارشناسی ارشد و دانشجوی دکتری سازه های آبی دانشگاه تهران | ||
| 2استاد موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران. | ||
| چکیده | ||
| سرریزهای جانبی در شبکههای آبیاری و زهکشی، سیستمهای آّب و فاضلاب و کنترل سیلاب مورد استفاده قرار میگیرند و معمولاً برای کنترل تراز آب، انحراف جریان و تخلیه دبی اضافه استفاده میشوند. با توجه به اهمیت بهبود عملکرد سرریزهای جانبی، میتوان از سرریزهای کلیدپیانویی که طول مؤثر بیشتری دارند، استفاده کرد. قوس بیرونی کانالهای دارای انحنا، بهترین مکان برای تعبیه سرریزهای جانبی هستند. در این پژوهش در ابتدا با بررسی آزمایشگاهی بر روی سرریزجانبی کلیدپیانویی تیپ Bدر قطاع 120 درجه ضریب تخلیه این سرریزها برای هر آزمایش استخراج شد.سپس توانایی مدل, RBF ANFIS و شبکه عصبی ANN در پیشبینی ضریب تخلیه سرریز مورد ارزیابی قرار گرفت. برای این منظور دو مدلRBF و ANFIS در محیط نرمافزار MATLABکدنویسی شد. با تحلیل نتایج بهدست آمده، هر دو مدل RBF و ANFIS دارای دقت بالاتری نسبت به شبکه عصبی ANN هستند. همچنین مشخص شد که مدل RBF با RMSE=0.044 و R2=0.974 دارای دقت بالاتری نسبت به مدل هوشمند ANFIS با=0.0529 RMSEو=0.981 R2 است. شبکه عصبی مصنوعی با=0.0694 RMSE و R2=0.82 از لحاظ دقت پیشبینی بعد از دو مدل یادشده است. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی؛ بررسی آزمایشگاهی؛ کانال قوسی شکل؛ ضریب تخلیه؛ پیش بینی | ||
| مراجع | ||
|
1- Bilhan, O., Emiroglu, M.E. and Kisi, O., 2011. Use of artificial neural networks for prediction of discharge coefficient of triangular labyrinth side weir in curved channels. Advances in Engineering Software, 42(4), pp.208-214.
2- Dursun, O.F., Kaya, N. and Firat, M., 2012. Estimating discharge coefficient of semi-elliptical side weir using ANFIS. Journal of Hydrology, 426, pp.55-62.
3- Ebtehaj, I., Bonakdari, H., Zaji, A.H., Azimi, H. and Khoshbin, F., 2015a. GMDH-type neural network approach for modeling the discharge coefficient of rectangular sharp-crested side weirs. Engineering Science and Technology, an International Journal, 18(4), pp.746-757.
4- Ebtehaj, I., Bonakdari, H., Zaji, A.H., Azimi, H. and Sharifi, A., 2015b. Gene expression programming to predict the discharge coefficient in rectangular side weirs. Applied Soft Computing, 35, pp.618-628.
5- Emiroglu, M.E. and Kisi, O., 2013. Prediction of discharge coefficient for trapezoidal labyrinth side weir using a neuro-fuzzy approach. Water Resources Management, 27(5), pp.1473-1488.
6- Karbasi, M. and Azamathulla, H.M., 2016. GEP to predict characteristics of a hydraulic jump over a rough bed. KSCE Journal of Civil Engineering, 20(7), pp.3006-3011.
7- Mahdavi, A. and Ahadiyan, J., 2015. Evaluation of Statistical, Empirical, Neural Networks and Neural – Fuzzy Techniques for Estimation of Spillway Aerators. Journal of Water Sciences Engineering, 38(3), pp.51-61. (In Persian)
8- Onen, F., 2014. GEP prediction of scour around a side weir in curved channel. Journal of Environmental Engineering and Landscape Management, 22(3), pp.161-170.
9- Parsaie, A., 2016. Predictive modeling the side weir discharge coefficient using neural network. Modeling Earth Systems and Environment, 2:63, 1-11.
10- Salmasi, F., Yıldırım, G., Masoodi, A. and Parsamehr, P., 2013. Predicting discharge coefficient of compound broad-crested weir by using genetic programming (GP) and artificial neural network (ANN) techniques. Arabian Journal of Geosciences, 6(7), pp.2709-2717.
11- Shamshirband, S., Bonakdari, H., Zaji, A.H., Petkovic, D. and Motamedi, S., 2016. Improved side weir discharge coefficient modeling by adaptive neuro-fuzzy methodology. KSCE Journal of Civil Engineering, 20(7), pp.2999-3005.
12- Yar Mohammadi, B., and Ahadiyan, J., 2016. Experimental Study of Flow Hydraulic in Piano Key Weirs at Different Parapet Wall. Journal of Water Sciences Engineering,39(4), PP. 47-48. (In Persian). | ||
|
آمار تعداد مشاهده مقاله: 638 تعداد دریافت فایل اصل مقاله: 480 |
||